MindSpore成立MindSpore PyNative SIG：推动MindSpore动态图模式的研发与优化

为了提升MindSpore动态图模式的性能、灵活性和易用性，以满足深度学习领域对快速开发、调试、执行等的需求，昇思MindSpore社区正式成立动态图模式框架开发SIG（MindSpore PyNative SIG），专注推动MindSpore动态图（即时执行， Eager Execution）模式的研发与优化。

MindSpore动态图整体架构：

为破解动态图开发灵活性与静态图部署性能不可兼得的行业难题，MindSpore以 “动静结合” 为核心思想重构动态图架构：

1、动静结合的前端表达接口，新增mint模块，功能对齐业界主流AI框架。

2、正向执行使用多级流水加速，弥补数据结构和流程引入的额外开销，提升单算子下发性能。

3、动静结合的执行方式，使用AST和字节码入图方式，实现动静混合执行。

4、自动微分机制复用静态图同一套机制，正反向hook对齐业界主流AI框架，兼顾自动微分灵活性。

该设计在保留 Python 实时调试优势的同时，显著提升动态图执行效率，实现 “动态研发、静态部署” 的全场景无缝衔接，为AI模型从实验到落地提供统一技术基座。

MindSpore PyNative项目代码仓模块目录：

https://gitee.com/mindspore/mindspore/tree/master/mindspore/ccsrc/pynative

https://gitee.com/mindspore/mindspore/tree/master/mindspore/ccsrc/pyboost

https://gitee.com/mindspore/mindspore/tree/master/mindspore/ccsrc/runtime/pynative

当前SIG重点工作方向：

1、动态图分发机制开发：Tensor核心数据结构，API分发机制等维护和开发。

2、动态图自动微分机制：自动微分机制，自定义反向，hook机制等微分机制的维护和开发。

3、API接入机制：Tensor API和Functional API的生成和接入机制的维护和开发。

SIG目标：

1、性能优化：提升动态图模式下的API下发效率，降低与静态图的性能差距。

2、功能增强：完善动态图对主流模型的支持。

3、开发者体验：简化API设计，提供更友好的错误提示，降低迁移成本。

4、生态扩展：支持更多硬件后端的接入和扩展。

SIG例会：

双周例会，北京时间周四晚19点。

首次例会录屏：

https://www.bilibili.com/video/BV1NB7nzfEXq

例会纪要：

https://etherpad.mindspore.cn/p/sig-MindSpore-PyNative-meetings

订阅邮件：

https://www.mindspore.cn/sig/MindSpore%20PyNative

（欢迎大家订阅SIG邮件，后续例会将通过邮件通知大家）

SIG成员：

Maintainer 列表

Committer列****表

加入我们：

欢迎感兴趣的朋友们加入到MindSpore PyNative SIG，共同探讨动态图技术，可以添加小助手微信或扫描微信群二维码，入群讨论。欢迎您的围观和加入！